图像 引言 深度学习_用树莓派4b构建深度学习应用（十二）口罩篇

前言上一篇我们把环境和网络问题都解决了，这一篇在 COVID-19 仍在全世界肆虐的当下，我们尝试用 AI 来做一个有趣的自动戴口罩应用。主要用 OpenCV + CNN 来提取面部关键点坐标，再将口罩图片作为蒙版贴合上去。记得国庆中秋双节出门在外，也别忘了戴上口罩保护自己。

整个戴口罩分为三个阶段：在图像上找到一张脸

检测脸上关键点标记

用口罩图片来覆盖到口鼻位置

人脸检测

首先，我们要在一张图像上定位脸部的位置，OpenCV 中 DNN 模块就能很轻松的做到。检测模型训练于 Caffe 框架，我们获取一个网络定义文件 face_detector.prototxt 和一个权重文件 face_detector.caffemodel。# defining prototxt and caffemodel paths

# 人脸检测模型

detector_model = args.detector_model

detector_weights = args.detector_weights

# load model

detector = cv2.dnn.readNetFromCaffe(detector_model, detector_weights)

capture = cv2.VideoCapture(0)

while True:

# capture frame-by-frame

success, frame = capture.read()

# get frame's height and width

height, width = frame.shape[:2] # 640×480

# resize and subtract BGR mean values, since Caffe uses BGR images for input

blob = cv2.dnn.blobFromImage(

frame, scalefactor=1.0, size=(300, 300), mean=(104.0, 177.0, 123.0),

)

# passing blob through the network to detect a face

detector.setInput(blob)

# detector output format:

# [image_id, class, confidence, left, bottom, right, top]

face_detections = detector.forward()

推理之后，我们可以获得人脸序号，类型(人脸)，置信度，左，下，右，上坐标值。# loop over the detections

for i in range(0, face_detections.shape[2]):

# extract confidence

confidence = face_detections[0, 0, i, 2]

# filter detections by confidence greater than the minimum threshold

if confidence > 0.5:

# get coordinates of the bounding box

box &#